基于层级实时记忆算法的时间序列异常检测算法 被引量：16

1

作者 曾惟如 吴佳 闫飞 《电子学报》 EI CAS CSCD 北大核心 2018年第2期325-332,共8页

时间序列异常检测是数据分析中一个重要的研究领域.传统的时间序列的异常检测方法主要通过比较检测数据和历史数据的差异程度,以判断被检测数据是否为奇异点(Surprise)、离群(Outlier)点等.然而序列和窗口的划分,状态的划分或者异常的... 时间序列异常检测是数据分析中一个重要的研究领域.传统的时间序列的异常检测方法主要通过比较检测数据和历史数据的差异程度,以判断被检测数据是否为奇异点(Surprise)、离群(Outlier)点等.然而序列和窗口的划分,状态的划分或者异常的定义和判定等问题,使得这类方法存在一定的局限性.本文针对传统时间序列检测算法不足,提出一种基于层级实时记忆算法的时间序列异常检测算法.该方法对时间序列内在模式关系进行学习,建立预测模型,通过比较预测值和真实值的偏离程度来判断数据是否异常.首先使用稀疏离散表征在保证保留数据相关性的同时又将数据离散化;然后输入到模型网络,预测下一时刻的数据值;最终根据预测值和真实值的差异为数据异常程度进行定量评分.在人造数据和真实数据上的实验表明,该方法能够准确、快速地发掘时间序列中的异常. 展开更多

关键词 异常检测 神经网络 层级实时记忆 稀疏离散表征

下载PDF 职称材料

基于HTM-Attention的时序数据异常检测方法 被引量：1

2

作者 张晨林 张素莉 +2 位作者 陈冠宇 王福德 孙启涵 《吉林大学学报（信息科学版）》 CAS 2024年第3期457-464,共8页

针对现有工业时间序列数据异常检测算法并未充分考虑时序数据在时间相关性方面的研究问题,提出了一种改进的HTM(Hierarchical Temporal Memory)-Attention算法。该算法结合了HTM算法和Attention机制,能学习数据之间的时间依赖关系,并在... 针对现有工业时间序列数据异常检测算法并未充分考虑时序数据在时间相关性方面的研究问题,提出了一种改进的HTM(Hierarchical Temporal Memory)-Attention算法。该算法结合了HTM算法和Attention机制,能学习数据之间的时间依赖关系,并在单变量和多变量时序数据上得到验证。同时,通过引入Attention机制,算法可以关注输入数据中的重要部分,进一步提高了异常检测的效率和准确性。实验结果表明,该算法对不同类型的时间序列异常数据能进行有效地检测,并且比其他常用的无监督异常检测算法具有更高的准确率和更低的运行时间。该算法在工业时间序列数据异常检测的应用中具有较大的潜力。 展开更多

关键词 层级时序记忆 注意力机制 时序数据 异常检测

下载PDF 职称材料

基于稀疏分布式表征的英文著者姓名消歧研究 被引量：7

3

作者 翟晓瑞 韩红旗 +1 位作者 张运良 李仲 《计算机应用研究》 CSCD 北大核心 2019年第12期3534-3538,共5页

为将稀疏分布式表征理论应用到著者姓名消歧,了解其在解决姓名消歧问题时的效果,提出了基于稀疏分布式表征的英文文献著者姓名消歧方法。该方法选择论文摘要文本信息作为消歧特征,将其生成二进制表示的SDR码。根据待消歧论文的SDR与同... 为将稀疏分布式表征理论应用到著者姓名消歧,了解其在解决姓名消歧问题时的效果,提出了基于稀疏分布式表征的英文文献著者姓名消歧方法。该方法选择论文摘要文本信息作为消歧特征,将其生成二进制表示的SDR码。根据待消歧论文的SDR与同名作者的论文SDR相似度对比来实现著者姓名消歧。最终得到的结果为准确率98. 21%,召回率76. 75%,F值86. 17%,证明提出的消歧方法具有较好的效果。通过将该方法与利用合著者特征进行消歧的方法进行对比,说明该方法能够较好地解决文献著者姓名歧义问题。此外,该方法还可将作者未收录在作者库中的论文识别出来并将其指派给新作者,无须重新学习和更新模型。 展开更多

关键词 姓名消歧 稀疏分布式表征 语义指纹 层级时序记忆模型

下载PDF 职称材料

基于层级时序记忆模型的变压器异常监测方法

4

作者 杨刚 李帅 +2 位作者 耿东 刘少卿 陈振雷 《国外电子测量技术》 北大核心 2023年第9期66-73,共8页

变压器安全运行状态关系到电力系统的安全性和稳定性,提出了基于层级时序记忆模型的油浸式变压器运行状态异常检测方法。该模型模拟人大脑皮层结构,通过记忆-预测的方式进行数据挖掘和建模,仅采用正常运行状态数据进行训练,使模型对设... 变压器安全运行状态关系到电力系统的安全性和稳定性,提出了基于层级时序记忆模型的油浸式变压器运行状态异常检测方法。该模型模拟人大脑皮层结构,通过记忆-预测的方式进行数据挖掘和建模,仅采用正常运行状态数据进行训练,使模型对设备正常数据分布产生认知,进而对下一时刻的状态进行预测,并计算状态异常值。当异常值超出阈值时,系统产生异常预警。在实验阶段,使用油色谱传感器对变压器运行状态进行数据采集,将采集后的数据通过编码器编码形成稀疏表征作为模型的输入样本。实验结果表明,当监测数据发生异常时,系统能准确地进行异常预警,其预警精度达到主流算法水平的同时,该方法及时性更强,能够更早的进行异常预警。 展开更多

关键词 电力变压器 异常监测 层级时序记忆 神经网络

下载PDF 职称材料

人体动作识别中基于HTM架构的时空特征提取方法 被引量：2

5

作者 王向前 孙挺 《计算机应用研究》 CSCD 北大核心 2017年第12期3899-3903,共5页

针对人体动作识别中时空特征提取问题,提出一种基于层次时间记忆(HTM)架构的深度学习模型,用来提取图像帧的时空特征。将图像帧构建成树型节点层次结构,在每一层中,通过欧氏距离分组来提取图像样本的空间特征,利用时间邻接矩阵提取样本... 针对人体动作识别中时空特征提取问题,提出一种基于层次时间记忆(HTM)架构的深度学习模型,用来提取图像帧的时空特征。将图像帧构建成树型节点层次结构,在每一层中,通过欧氏距离分组来提取图像样本的空间特征,利用时间邻接矩阵提取样本的时间特征,利用置信传播方法将各层局部特征组进行汇总归类,得到整体特征组,作为该图像帧的时空特征。此外,在节点操作中引入张量代数,从而避免出现高维特征,将特征送入支持向量机(SVM)分类器进行识别分类。在MSR Gesture 3D和KTH动作数据库上的实验结果表明,提出的方法能够有效提取出高分类性能的时空特征,分类准确率高于其他几种较新的方法。 展开更多

关键词 人体动作识别 时空特征提取 层次时间记忆 支持向量机

下载PDF 职称材料

面向多核的并发HTM空间池算法 被引量：1

6

作者 牛德姣 周时颉 +2 位作者 蔡涛 杨乐 李雷 《小型微型计算机系统》 CSCD 北大核心 2022年第9期1886-1893,共8页

层级时序记忆(Hierarchical Temporal Memory,HTM)是一种模拟生物大脑皮层结构的神经形态机器学习算法.由于HTM空间池(Spatial Pooler,SP)训练时需要搜索整个模型空间查找活跃微柱,算法时间复杂度高且不适用现有方法进行加速.针对此,本... 层级时序记忆(Hierarchical Temporal Memory,HTM)是一种模拟生物大脑皮层结构的神经形态机器学习算法.由于HTM空间池(Spatial Pooler,SP)训练时需要搜索整个模型空间查找活跃微柱,算法时间复杂度高且不适用现有方法进行加速.针对此,本文提出了面向多核的并发HTM空间池算法,利用多核处理器的并发计算能力将空间池的训练分布在多个计算核心上并行完成,以加快查找速度,减少训练所需的时间开销.所提出的空间池训练方法包括基于分区的微柱激活策略和并发的近端树突调整算法.在多核大数据平台Phoenix上实现了面向多核的并发HTM(Multicore Concurrent Hierarchical Temporal Memory,MCHTM)空间池算法原型,并使用NYC-Taxi、NAB和MNIST数据集进行了测试.实验结果表明,MCHTM相较于HTM,在NYC-Taxi、NAB和MNIST数据集上空间池的训练时间开销分别降低97.29%、97.25%和96.29%,预测准确率分别提高3.28%、1.83%和0.91%.相同训练时间开销下,相较于长短期记忆网络(Long Short-Term Memory,LSTM),MCHTM在NYC-Taxi和NAB数据集上均方根误差分别降低0.1266和0.089,在MNIST数据集上准确率提高0.42%. 展开更多

关键词 层级时序记忆 空间池 并发 多核 PHOENIX

下载PDF 职称材料

基于HTM的离线手写签名识别及改进 被引量：5

7

作者 陈雪 朱敏 +1 位作者 钟煜 范量 《四川大学学报（工程科学版）》 EI CAS CSCD 北大核心 2011年第S1期146-150,共5页

现有离线签名识别的方法主要存在识别率低的缺陷,如何进一步提高签名识别率是目前该项研究的核心问题这一。提出一种基于层次时间记忆(Hierarchical Temporal Memory,HTM)的离线签名识别系统,并结合签名样本的时空特征,对离线签名进行... 现有离线签名识别的方法主要存在识别率低的缺陷,如何进一步提高签名识别率是目前该项研究的核心问题这一。提出一种基于层次时间记忆(Hierarchical Temporal Memory,HTM)的离线签名识别系统,并结合签名样本的时空特征,对离线签名进行有效处理和识别。实验结果证明,该方法的识别率可达95%,并对签名的移动与缩放有较好的识别效果。还结合算法中的maxdistance参数对识别结果进行分析和改进。 展开更多

关键词 离线签名 手写签名识别 分层时序记忆 时空特征

下载PDF 职称材料

基于税收预测的层级时序记忆算法研究 被引量：1

8

作者 冯晓钰 刘亮亮 +1 位作者 张再跃 张晓如 《计算机与数字工程》 2022年第5期921-924,935,共5页

基于税收预测的向量机算法对中期的税收收入预测略有不足,而层级时序记忆算法(HTM)对某市2002年~2017年间税收数据预测与影响税收的9个影响因素关系进行学习,建立预测模型,并与基于支持向量机的税收预测算法(SVM)模型进行结果比较分析... 基于税收预测的向量机算法对中期的税收收入预测略有不足,而层级时序记忆算法(HTM)对某市2002年~2017年间税收数据预测与影响税收的9个影响因素关系进行学习,建立预测模型,并与基于支持向量机的税收预测算法(SVM)模型进行结果比较分析。实验选取2013年~2017年实际税收数据与两种模型的税收预测结果对比分析,通过绝对误差指标来分析模型的预测性能,对比两种预测模型的预测值和真实值的偏离程度发现层级时序记忆算法预测中期的税收结果稳定,为现阶段的中期税收收入预测提供相对较可靠的参考。 展开更多

关键词 税收预测 层级时序记忆算法 支持向量机 对比分析

下载PDF 职称材料

基于改进HTM模型的时间序列异常检测 被引量：1

9

作者 王宇鹏 朱诗兵 李长青 《计算机应用与软件》 北大核心 2020年第8期296-299,313,共5页

基于时间序列异常检测在航天试验和航天测控领域应用广泛的现实背景,提出一种改进的层级时间记忆(HTM)实时异常检测模型。在层级时间记忆模型的基础上,通过引入滑动窗口和β分布,对该模型输出的预测偏差进行相关处理,实现对原异常检测... 基于时间序列异常检测在航天试验和航天测控领域应用广泛的现实背景,提出一种改进的层级时间记忆(HTM)实时异常检测模型。在层级时间记忆模型的基础上,通过引入滑动窗口和β分布,对该模型输出的预测偏差进行相关处理,实现对原异常检测模型的优化改进。经过改进,该模型可以对异常下降进行有效的识别判断,也消除了在前期学习过程中出现的误警现象,性能上有一定的提升。 展开更多

关键词 时间序列 异常检测 层级时间记忆模型 滑动窗口 β分布

下载PDF 职称材料

基于HTM的遗传时间序列分割算法 被引量：1

10

作者 吴大华 《计算机与现代化》 2014年第10期112-118,共7页

结合层级实时记忆(Hierarchical Temporal Memory,HTM)模型与基于模式集的遗传时间序列分割算法各自的优点,用基于HTM的适应值函数替换原基于模式集的适应值函数,提出基于HTM的遗传时间序列分割算法。该算法可实现时间序列的分割及其相... 结合层级实时记忆(Hierarchical Temporal Memory,HTM)模型与基于模式集的遗传时间序列分割算法各自的优点,用基于HTM的适应值函数替换原基于模式集的适应值函数,提出基于HTM的遗传时间序列分割算法。该算法可实现时间序列的分割及其相应子序列的分类识别。同时,针对HTM对训练样本的要求,提出一种基于模式集的HTM训练样本生成算法。最后在股票序列上验证了这2种算法的有效性。 展开更多

关键词 时间序列 分割 层级实时记忆 遗传算法

下载PDF 职称材料

模拟大脑皮层运作的HTM1算法研究综述

11

作者 张雅楠 王萌 王啸 《计算机光盘软件与应用》 2011年第8期198-198,共1页

HTM1算法是一项对大脑新皮层结构和算法特性模拟的技术，是一个基于“记忆预测”原理的仿生模型。HTM1可以学习，推理，预测，指导，完成很多对于人脑非常容易，但对于计算机非常困难的任务。HTM1本质为一记忆系统。该文介绍了HTM1算法... HTM1算法是一项对大脑新皮层结构和算法特性模拟的技术，是一个基于“记忆预测”原理的仿生模型。HTM1可以学习，推理，预测，指导，完成很多对于人脑非常容易，但对于计算机非常困难的任务。HTM1本质为一记忆系统。该文介绍了HTM1算法的相关生物背景，基本概念原理及其应用。 展开更多

关键词 hierarchical temporal memory(HTM) 大脑皮层 分层 学习 捕获

下载PDF 职称材料